[論文レビュー] War and Peace (WarAgent): Large Language Model-based Multi-Agent Simulation of World Wars

Wenyue Hua, Lizhou Fan+6 more|arXiv (Cornell University)|Nov 28, 2023

Computational and Text Analysis Methods被引用数 13

ひとこと要約

WarAgentはLLMを活用したマルチエージェントシステムを用いて歴史上の世界大戦と戦国時代をシミュレートし、意思決定、戦争の引き金、平和の可能性を探究する。

ABSTRACT

Can we avoid wars at the crossroads of history? This question has been pursued by individuals, scholars, policymakers, and organizations throughout human history. In this research, we attempt to answer the question based on the recent advances of Artificial Intelligence (AI) and Large Language Models (LLMs). We propose extbf{WarAgent}, an LLM-powered multi-agent AI system, to simulate the participating countries, their decisions, and the consequences, in historical international conflicts, including the World War I (WWI), the World War II (WWII), and the Warring States Period (WSP) in Ancient China. By evaluating the simulation effectiveness, we examine the advancements and limitations of cutting-edge AI systems' abilities in studying complex collective human behaviors such as international conflicts under diverse settings. In these simulations, the emergent interactions among agents also offer a novel perspective for examining the triggers and conditions that lead to war. Our findings offer data-driven and AI-augmented insights that can redefine how we approach conflict resolution and peacekeeping strategies. The implications stretch beyond historical analysis, offering a blueprint for using AI to understand human history and possibly prevent future international conflicts. Code and data are available at \url{https://github.com/agiresearch/WarAgent}.

研究の動機と目的

• LLMベースのマルチエージェントシステムが歴史的な戦略計画と意思決定の進化をどれだけ忠実に再現できるかを評価する。
• シミュレーション内で紛争を引き起こす決定的なcasus belli（戦争正当化事由）となる引き金を特定する。
• さまざまな条件と意思決定プロセスの下で歴史的必然性が現れるかを検討する。
• 歴史的解釈と紛争予防戦略の策定を支援する、データ駆動のAI強化インサイトを提供する。

提案手法

• 国エージェント、秘書エージェント、Board、および状態管理・検証・内部チェックを行うStickを備えた4構成のWarAgent MASを構築する。
• リーダーシップ、軍事能力、資源、歴史的背景、主要政策、世論の6つの次元を含む包括的な国プロファイルを設計する。
• 広報性、入力タイプ、必要応答を属性とした7カテゴリのアクション空間（待機、動員、戦争宣言、同盟、非介入条約、平和、メッセージ送信）を実装する。
• 誘導型プロンプトが各国エージェントを同盟/敵分析と行動提言へと導き、行動の妥当性と整合性を秘書エージェントが検証する。

Figure 2: Map of World War I

実験結果

リサーチクエスチョン

• RQ1 RQ1: LLMベースのMASは戦略計画と意思決定の歴史的進化をどの程度効果的に再現できるか？
• RQ2 RQ2: シミュレーション内で戦争を決定づける最も決定的なcasus belli引き金はどれか？
• RQ3 RQ3: 歴史的必然性は本当に避けられないものか、それとも代替条件で異なる結果が導けるか？
• RQ4 RQ4: 出現するエージェント間相互作用は戦争の引き金と条件を理解するうえでどんな洞察を提供するか？

主な発見

• WarAgentフレームワークは、LLM駆動エージェントを用いて複雑な国際紛争をモデル化する道を示している。
• 本研究は、反復的なシナリオ探索を通じてシミュレーションの有効性、casus belliの重み、および歴史的必然性の役割を調査する。
• エージェント間の出現的相互作用は、戦争と平和を導く引き金と条件について新しい視点を提供する。
• このフレームワークは、データ駆動のAI強化分析を促進し、紛争解決と平和維持戦略に情報を提供し得る。
• LLMによる記憶化を防ぐための匿名化戦略を用い、シミュレーションの整合性を保つ。

Figure 3: Map of World War II